玻尔百科抗击癌症的斗争常常因一个根本性的误解而受阻：将肿瘤视为一个单一、均一的敌人。事实上，肿瘤是一个复杂而动态的生态系统，充满了相互竞争和演化的多样化癌细胞群体。这种内部多样性被称为肿瘤内异质性（Intratumor Heterogeneity, ITH），是现代肿瘤学中最重大的挑战之一，因为它是治疗失败和疾病进展的主要驱动因素。本文将直面这一复杂性，对这一关键现象进行全面概述。首先，在“原理与机制”部分，我们将探讨产生这种遗传、表观遗传和表型层面异质性的克隆演化的达尔文过程。随后，在“应用与跨学科联系”部分，我们将审视 ITH 对临床实践产生的深远而真实的影响——从病理学家的诊断困境到肿瘤科医生与治疗耐药的斗争——并探索跨学科方法如何为我们呈现这个隐藏的世界创造新途径。
要真正理解治疗癌症的挑战，我们必须摒弃一个简单而令人安心的想法：肿瘤是由相同异常细胞构成的均一团块。事实并非如此。相反，我们必须将肿瘤想象成一个生机勃勃、混乱且不断演化的生态系统。在这单一的肿块内，一场达尔文式演化的大戏正在上演——这是无数相互竞争的癌细胞谱系之间的生存斗争。这种单一肿瘤内部的多样性就是我们所说的肿瘤内异质性（ITH），它是现代肿瘤学中最深刻、最棘手的问题之一。但这种复杂性是如何从一个单一的起始细胞产生的呢？
原则上，每一种癌症都始于一个 DNA 发生致命改变的单一细胞，使其走上不受控制的生长之路。当这个创始细胞分裂时，它会将其原始突变传递给所有后代。如果我们将肿瘤的历史看作一棵家族树，那么这组初始突变就构成了主干。发生在主干上的事件是克隆性的，这意味着无论我们在肿瘤的哪个部位进行检测，都能在每一个癌细胞中发现它。我们可以通过对肿瘤不同部位进行取样，并发现各处都存在相同的遗传改变来检测这些主干事件。例如，在一个巨大的乳腺肿瘤中，每一次活检都可能以一致的频率发现著名的抑癌基因 的突变，这标志着它是一个早期的、奠基性的事件 [@problem_d:4340983]。
但故事并未就此结束。细胞分裂的过程并不完美，尤其是癌细胞，它们通常在遗传上不稳定，在复制 DNA 时容易出错。新的突变在不同的细胞中随机产生。这些新突变大多无用或有害，但偶尔，一个突变会赋予细胞微弱的优势——也许是让它生长得更快、逃避免疫系统，或在低氧环境下生存。这个“更适应”的细胞现在超越了它的邻居，其后代形成了一个新的亚群，即亚克隆。这个亚克隆既携带了原始的主干突变，又带有其自身新的、独特的突变，从而在肿瘤的演化树上创造了一个分支。
这个过程一遍又一遍地重复。一个分支可能会产生新的子分支，每个子分支又会获得更多的突变。这种多样化模式被称为分支演化。这意味着肿瘤并非细胞线性演进的序列，而是混乱地分化成许多相关但又截然不同的细胞“家族”，并在同一肿块中共存。我们可以通过一些分子侦探工作来重构这段隐藏的历史。通过从肿瘤的不同区域（例如 、 和 ）采集多个样本并对其 DNA 进行测序，我们可以识别哪些突变是共享的（主干），哪些是某些区域所特有的（分支）。基因 的一个驱动突变可能在区域 和 中被发现，而 中一个完全不同的突变则只出现在区域 。这告诉我们，该肿瘤在很久以前就分裂成了至少两个主要分支，这些分支随后占据了不同的区域。
这一演化过程产生的多样性以多种方式表现出来，其影响远超 DNA 编码本身。遵循分子生物学的中心法则——DNA 转录为 RNA，RNA 再翻译为蛋白质——任何层面的变化都能产生异质性。
这是 ITH 的基石，根植于 DNA 序列本身。它是细胞之间的“硬件”差异。这包括：
如果说遗传是硬件，那么表观遗传就是告诉硬件如何运行的“软件”。表观遗传修饰是 DNA 或其相关蛋白上的化学标记，它们控制着哪些基因被开启或关闭。这些改变不改变 DNA 序列，但可以遗传给子细胞。
想象两个遗传上完全相同的细胞。在其中一个细胞里，一个关键的抑癌基因，如 ，可能通过一种叫做DNA甲基化的过程被沉默。这个细胞尽管拥有正确的 DNA 序列，但其行为却更具侵袭性，因为它失去了“刹车”。它的邻居没有这种表观遗传修饰，行为可能更正常。这创造了一个强大的多样性层次，标准的 DNA 测序无法发现，但可以通过其他技术揭示。而且与 DNA 突变不同，它有时可以通过特定药物逆转。
这是最终可观察到的结果——细胞实际的样子和它们的功能。它是所有潜在遗传和表观遗传多样性的物理表现，并混合了局部环境的影响。表型异质性是病理学家在显微镜下看到的，并最终决定了肿瘤的行为。我们可能会发现：
这幅丰富的异质性图景不仅仅是一个抽象概念；它在空间上有组织，并随时间演化，这带来了深远的实际影响。
不同的亚克隆并非像汤里的配料一样完美混合。它们常常在地理上是隔离的，在肿瘤内部形成不同的区域。这就是空间异质性。肿瘤侵入健康组织的侵袭前沿，可能由一个与生活在低氧核心区的亚克隆截然不同的亚克隆所主导。活检通常只是一个微小的组织核心，可能只有一毫米宽、一厘米长。如果病理学家从乳腺肿瘤的中心取样，他们可能会发现它是低级别的，并且对像 HER2 这样的关键治疗靶点呈阴性。但是，从肿瘤边缘进行的另一次活检可能会揭示一个高级别、高度增殖、HER2 阳性的亚克隆。
这带来了一个可怕的问题：取样偏倚。基于第一次活检的治疗决策将是完全错误的，因为它会错过肿瘤最具侵袭性的部分和接受挽救生命的靶向治疗的机会。这就像试图通过访问堪萨斯州的一个小镇来了解整个美国；你得到的图景对于那个地方是真实的，但却是危险的不完整。为了解决这个问题，病理学家越来越多地采用多区域取样，从切除肿瘤的多个不同区域取样，以构建一幅更准确的其多样化居民的地图。
肿瘤不是一个静态的物体；它是一部电影，而不是一张照片。其克隆组成在不断变化，这个过程称为时间异质性。虽然这个过程自身发生得很慢，但治疗可以极大地加速它。
当患者接受靶向药物时，药物施加了巨大的选择压力。这种药物可能对携带靶点的主导克隆非常有效。这会带来奇妙的初步反应，肿瘤会缩小。但那些偶然不携带靶点或已找到其他生存方式的罕见亚克隆呢？它们被留了下来。随着竞争对手的消灭，这些耐药细胞现在可以自由生长并占据主导地位。最终，肿瘤会卷土重来，但此时它已变成一个完全不同的野兽，完全由耐药克隆组成。
我们在肺癌患者中悲剧性地看到了这一点。一名患者的肿瘤可能由 突变驱动，并对 EGFR 抑制剂反应良好。但六个月后，癌症进展了。新的活检显示，肿瘤发生了惊人的转变；它不再是腺癌，而是演变成了一种完全不同且极具侵袭性的癌症类型，如小细胞肺癌，原来的药物对此毫无用处。我们今天对抗的肿瘤，不一定是我们明天要对抗的肿瘤。
理解这个隐藏的世界需要非凡的工具。新一代测序（NGS） 使我们能够以惊人的速度和规模读取肿瘤样本的 DNA 和 RNA。但真正的革命来自于单细胞测序。我们不再是将一块肿瘤组织碾碎后得到一个“平均”的图谱，而是现在可以分离成千上万个单个细胞，并对每一个细胞进行独立分析。
这就像一张城市的航拍照片与一份详细的人口普查（其中你采访了每一位居民）之间的区别。通过单细胞RNA测序（scRNA-seq），我们可以创建一份肿瘤内所有细胞类型及其功能状态的完整“图谱”，区分癌细胞与免疫细胞以及周围微环境的其他成分。通过单细胞DNA测序，我们可以以极其精细的细节追踪演化树的分支。这不仅让我们看到多样性，还能对其进行量化。利用信息论的概念，我们可以为肿瘤计算一个异质性“分数”。事实证明，这不仅仅是一项学术活动——更高的异质性分数通常与更差的预后相关，这为我们预测肿瘤行为提供了一种潜在的新方法 [@problem-id:5135467]。
通过将这些强大的技术与智能取样策略相结合，我们终于开始描绘癌症的全部复杂性。我们正在从黑白素描转向全彩、高分辨率的肿瘤生态系统 4D 电影。只有在全面理解敌人多样化且不断演化的本质后，我们才有希望设计出最终击败它的策略。
在了解了肿瘤内异质性的原理之后，我们可能会觉得这是一个引人入胜但或许有些抽象的生物学现象。事实远非如此。现实是，单一肿瘤内部的这种多样性并非教科书中某个深奥的脚注；它是在癌症诊断、治疗以及我们最终克服疾病的斗争中扮演核心角色的演员。要真正领会它的力量，我们必须离开纯粹原理的理想世界，进入其真实世界后果的那个混乱、充满挑战而又美丽的世界。我们将看到异质性如何迷惑病理学家、将死肿瘤科医生，并启发工程师。
想象一位病理学家，一位以显微镜下薄薄的组织切片为线索的侦探。他们的任务是做出将指导生死决策的裁决。这个乳腺肿瘤对雌激素受体“阳性”吗？这使其成为激素治疗的候选者。它的 基因“扩增”了吗？这是一个预示侵袭性、需要特定靶向药物的信号。这些问题听起来像是简单的“是”或“否”的查询。但由于肿瘤内异质性，肿瘤常常以一个充满不同答案的合唱作为回应。
例如，在乳腺肿瘤的一个区域，大部分细胞可能弱表达激素受体，而另一个独立的较小区域可能包含以极高强度表达它的细胞。为了得出一个单一的、具有临床实用价值的评分，病理学家不能简单地不假思索地对这些发现取平均值。他们必须进行复杂的综合性“格式塔”评估，在脑中权衡每个亚区域的贡献，以估算肿瘤的整体特征，这很像计算不同群体的加权平均值。在评估像 这样的基因时，潜藏着更大的危险。一个肿瘤可能绝大多数是“阴性”的，但包含一个小的、离散的具有高 扩增的细胞岛。将这些信号平均化会稀释并掩盖这个侵袭性亚克隆，导致“阴性”诊断，从而错失挽救生命的治疗。正确的做法，正如临床指南所规定的那样，是识别这种镶嵌模式，分别分析每个不同的群体，并报告这个危险亚克隆的存在，无论它有多小。
这个挑战并非乳腺癌所独有。在前列腺癌中，单个患者可能怀有多个独立产生的不同肿瘤结节——这是一种肿瘤间异质性。一个结节可能是生长缓慢的低级别肿瘤（例如 Gleason 评分为 6），而另一个仅几厘米之遥的结节则是更具侵袭性的高级别癌症（例如 Gleason 评分为 ）。将这些评分平均化将是一场临床灾难，会掩盖真正的威胁。患者的预后和治疗取决于发现的最高级别，即舞台上最富侵袭性的角色。这催生了“指数病灶”的概念——即最有可能播散转移的最高级别肿瘤。现代策略如局灶治疗完全基于这一原则：找到并摧毁最危险的亚克隆。
有时，异质性表现为细胞行为的细微变化，而非明显的大区域差异。在结直肠癌中，肿瘤的侵袭前沿——其领先边缘——可以产生脱离主瘤体的小细胞群，甚至是单个细胞。这一现象被称为肿瘤出芽，是经历深刻变化、获得运动和侵袭特性的亚克隆的物理表现。这些“先锋”细胞是转移和不良预后的强有力的独立预测因子，提供了超越肿瘤常规分级和分期的关键预后信息。它们的存在是侵袭性、演化中的亚群开始其转移之旅的直接视觉解读。
如果说异质性对病理学家来说是一个诊断谜题，那么对肿瘤科医生来说，它就是一场演化军备竞赛。我们施予的每一种疗法都是一次强大的人工选择行为。肿瘤，一个由数百万细胞组成的多样化群体，是底物。药物是选择压力。
考虑一个由 基因突变驱动的黑色素瘤。抑制 的靶向药物可以产生显著的初始反应。但从一开始，肿瘤内部很可能就存在着微小的、预先存在的亚克隆，它们纯属偶然地获得了额外的突变。一个亚克隆可能在名为 的基因中有突变；另一个可能丢失了名为 的抑癌基因。这些细胞对 抑制剂无动于衷。当药物消灭绝大多数敏感细胞时，这些罕见的耐药细胞得以存活，并在没有竞争的情况下茁壮成长，最终重新占据肿瘤。这不是一个单一的线性过程。由于可能存在多种不同的耐药机制，复发通常是分支演化的展示，几个不同的耐药亚克隆同时生长出来。
这一动态解释了癌症治疗中最令人沮丧的现象之一：“混合反应”。一名患有 突变癌症的患者可能接受 PARP 抑制剂治疗，这是一种对具有此缺陷的细胞具有合成致死作用的药物。我们可能会在肝转移灶看到极佳的反应，但同时，同一患者的肺转移灶却在持续增长。这怎么可能呢？答案在于不同转移灶之间的异质性。肺部病灶可能由一个通过二次“回复”突变已经修复了其 基因的亚克隆主导，使其从第一天起就对 PARP 抑制剂耐药。而肝部病灶缺乏这个亚克隆，因此是敏感的。患者的身体变成了一个不同演化战役的战场，不同地点的结果各不相同，这一切都由癌细胞预先存在的异质性所决定。
在免疫疗法的背景下，这场演化博弈展现出一种特殊的优雅。在这里，选择压力不是化学物质，而是我们自身的免疫系统，被 PD-1 阻断剂等药物重新唤醒。免疫系统通过识别癌细胞表面展示的独特“新抗原”来学习攻击它们。这引发了强大的选择压力：任何能够停止展示目标抗原，或以其他方式躲避免疫系统的癌细胞都将存活下来。一个肿瘤最初可能包含混合的细胞，其中一些表达关键的新抗原，而另一些由于随机突变则不表达。免疫疗法将清除抗原阳性的细胞，导致暂时的缓解，但抗原阴性的细胞将存活并增殖，导致复发。
癌症的逃逸策略可能非常复杂。在一个更复杂的场景中，一个肿瘤可能包含三个亚克隆。一个对 T 细胞攻击敏感。第二个在名为 的基因中有突变，这使其物理上无法在其表面展示任何抗原——它开发出了一种完美的“隐形装置”。第三个在名为 的基因中有突变，这使其对 T 细胞发出的警报信号（干扰素-γ）“充耳不闻”，从而无法被完全识别。当我们使用 PD-1 抑制剂时，我们释放的 T 细胞会尽职地消灭敏感克隆。但这样做，我们为“隐形”和“失聪”的亚克隆清除了道路，使其得以生长，导致获得性耐药。复发后的肿瘤完全由免疫逃逸的大师组成，它们正是被我们自己的疗法所选择出来的。
这给我们带来了一个可怕的实际问题：小样本的“暴政”。我们使用某种特定疗法的决定通常取决于在微小的穿刺活检中测量的生物标志物。但如果那次活检，偶然地，取样于一个不能代表整个肿瘤的区域呢？实体瘤的活检可能显示免疫疗法生物标志物 PD-L1 水平较低，导致决定不予治疗。然而，完整的切除肿瘤可能显示，大部分区域实际上是强阳性的。最初的活检只是错过了它们。患者因为我们窥探肿瘤异质性的窗口太小而被剥夺了潜在的救命治疗。
我们如何克服小样本的“暴政”？我们实际上无法从一个病人身上取几十次活检。这正是医学与物理学、计算机科学和工程学之间美丽的跨学科联系出现的地方。目标是开发非侵入性地“看到”异质性的方法。
这是影像组学和数字病理学的前沿。CT 扫描或数字化病理切片中光影的微妙模式——即“纹理”——并不仅仅是随机噪声。它们是肿瘤内异质性微观混乱在宏观上的回响。一个细胞更新率高、有坏死且细胞形态多样的区域，在 CT 扫描上会与一个更均一、平静的区域看起来不同。
研究人员现在正使用复杂的数学工具来量化这种纹理。例如，灰度共生矩阵（GLCM）测量特定亮度值的像素相邻出现的频率，从而捕捉局部变化和方向性模式。像 Ripley's 函数这样的空间统计方法可以分析数字切片上数百万个单个细胞的位置，以确定不同细胞类型（例如癌细胞与免疫细胞）是聚集在一起还是随机分布。这些量化特征为肿瘤的异质性提供了一个“数字指纹”。我们的梦想是建立能够从标准医学图像的模式中预测肿瘤的亚克隆结构、其转移的可能性或其抵抗治疗的潜力的模型。这种“虚拟活检”可以为我们提供肿瘤整个生态系统的整体视图，最终让我们看到整个世界，而不仅仅是一粒沙子。
因此，肿瘤内异质性远非学术上的好奇心。它是癌症生物学的一个基本组织原则。它挑战我们的诊断方法，解释我们的治疗失败，并启发新技术。将肿瘤视为一个动态、演化的竞争亚克隆生态系统，而不是一个均一的肿块，就是去理解它的过去，预测它的未来，并最终发现它的弱点。理解这场错综复杂的演化游戏的规则有一种深刻而巨大的美，因为胜利之路正蕴含在这份理解之中。